-
题名基于卷积和可变形注意力的脑胶质瘤图像分割
- 1
-
-
作者
高宇飞
马自行
徐静
赵国桦
石磊
-
机构
郑州大学网络空间安全学院
嵩山实验室
郑州大学计算机与人工智能学院
郑州大学第一附属医院
-
出处
《郑州大学学报（工学版）》
CAS
北大核心
2024年第2期27-32,共6页
-
基金
国家自然科学基金资助项目(62006210)
河南省重大公益专项(201300210500)
郑州大学高层次人才科研启动基金(32340306)。
-
文摘
对于脑胶质瘤图像分割这类密集预测的医学影像分割任务,局部和全局依赖关系都是不可或缺的,针对卷积神经网络缺乏建立全局依赖关系的能力,且自注意力机制在局部细节上捕捉能力不足等问题,提出了基于卷积和可变形注意力的脑胶质瘤图像分割方法。设计了卷积和可变形注意力Transformer的串行组合模块,其中卷积用于提取局部特征,紧随其后的可变形注意力Transformer用于捕捉全局依赖关系,建立不同分辨率下局部和全局依赖关系。作为一种CNN-Transformer混合架构,所提方法不需要任何预训练即可实现精准的脑胶质瘤图像分割。实验结果表明:所提方法在BraTS2020脑胶质图像分割数据集上平均Dice系数和平均95%豪斯多夫距离分别为83.56%和11.30 mm,达到了与其他脑胶质瘤图像分割方法相当的分割精度,同时降低了至少50%的计算开销,有效提升了脑胶质瘤图像分割的效率。
-
关键词
深度学习
脑胶质瘤图像分割
卷积神经网络
TRANSFORMER
自注意力机制
-
Keywords
deep learning
brain glioma image segmentation
CNN
Transformer
self-attention mechanism
-
分类号
O244
[理学—计算数学]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进SRGAN网络的CT图像增强应用研究
被引量：1
- 2
-
-
作者
张悦
赵哲
赵国桦
吴青霞
林予松
-
机构
郑州大学网络空间安全学院
郑州大学汉威物联网研究院
郑州大学互联网医疗与健康服务河南省协同创新中心
郑州大学第一附属医院磁共振科
河南省人民医院影像科
-
出处
《微电子学与计算机》
2022年第11期27-36,共10页
-
基金
国家自然科学基金(81772009)
郑州市协同创新重大专项(20XTZX05015,20XTZX06013)。
-
文摘
目前临床上通常通过观察CT图像或MRI图像诊断椎间盘疾病.CT图像较MRI图像成本低、成片速度快,但存在对比度低,椎间盘病灶区模糊,边缘不明显等问题.针对以上问题,提出一种改进的SRGAN网络的CT图像增强方法.该方法使用自适应分割融合方法做图像预处理,在SRGAN的生成器中引入注意力机制;同时加入边界损失函数,使增强后的CT图像的病灶区更加清晰,边缘更加明显。该方法在河南省人民医院提供的真实头颈CT图像和MR图像上进行实验,选用经典的图像增强算法和目前最新的图像增强算法做对比,对增强后CT图像进行客观评价,同时由两名临床医生通过5分制图像质量评估标准对增强后的CT图像进行主观评估.结果显示:该方法显著提升了CT图像的SSIM、PSNR、信息熵、边缘强度和平均梯度,同时增强后的CT图像病灶区更加清晰,边缘更加明显,医生也对增强后的CT图像有很好的评估.
-
关键词
图像增强
SRGAN
注意力机制
残差网络
CT图像
-
Keywords
image enhancement
SRGAN
attention mechanism
residual network
CT Image
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名脑胶质瘤MRI纹理特征的稳健性
被引量：4
- 3
-
-
作者
王沛沛
宋曼莉
张文华
赵国桦
白洁
程敬亮
-
机构
郑州大学第一附属医院磁共振科
-
出处
《中国医学影像学杂志》
CSCD
北大核心
2021年第5期519-524,共6页
-
基金
国家自然科学基金青年基金(81701752)。
-
文摘
目的研究MR胶质瘤影像组学中不同感兴趣区(ROI)选择方案提取到的纹理特征的稳健性。资料与方法选用3种ROI勾画方案(病灶区、实质区和强化区),从285例胶质瘤的4种MR图像序列中勾画肿瘤区域,从中提取60种纹理特征,用组内相关系数评价特征的稳健性并观察其差异,用逻辑回归留一交叉验证法评估特征的分类性能。结果从T1与FLAIR中提取的特征稳健性优于T2和T1增强序列(P<0.05);对于肿瘤级别,T1增强中低级别肿瘤特征的稳健性优于高级别肿瘤(P<0.05);GLRLM-RLN和GLSZM-GLN在所有序列和级别中的组内相关系数均>0.8;分类性能较好的特征均来源于T1增强序列。结论在不同MRI序列与肿瘤级别中ROI选取对纹理特征的稳健性存在一定的差异;高阶特征的稳健性优于一阶特征;有2个特征在所有序列中均表现出良好的稳健性。
-
关键词
脑肿瘤
神经胶质瘤
磁共振成像
纹理特征
稳健性
感兴趣区
-
Keywords
Brain neoplasms
Glioma
Magnetic resonance imaging
Texture features
Robustness
Region of interest
-
分类号
R739.41
[医药卫生—肿瘤]
R730.42
[医药卫生—肿瘤]
-
